[发明专利]基于多部件多特征融合的人脸识别方法

说明书

技术领域

本发明属于图像处理、计算机视觉、模式识别技术领域，特别涉及人脸识别方法。

背景技术

生物特征识别技术是身份识别的有效技术，近来发展最快的是人脸识别技术以及与人脸识别技术相融合的生物特征识别技术。因此，本发明涉及人脸图像采集和识别算法，具有重要的应用价值。

目前已有的人脸识别方法主要是对整个人脸进行识别的，而在诸多的识别方法中，主要采用主分量分析(PCA-Principal Component Analysis)、弹性匹配、神经网络、几何特征等方法。

同时，人脸识别的难点还在于：

(1)表情引起的人脸塑性变形

(2)姿态引起的人脸多样性

(3)年龄引起的人脸变化

(4)发型、胡须、眼镜、化装等因素引起的人脸模式的多重性

(5)光照的角度、强度以及传感器特性等因素引起的人脸图像的差异性

诸多的因素使得人脸识别成为一项棘手而富挑战性的课题，也因此在近年成为科研的热点。

与本发明相关的已有技术说明如下：

基于人脸部件主分量分析的多模式人脸识别方法：其主要特点是对人脸进行部件提取，再对人脸部件进行主分量分析及多模式识别，以达到高的识别率。该方法包括：

1)首先采用模板匹配和投影直方图的方法对人脸图像定位，确定出人脸粗定位区、左右眼球、鼻尖、嘴、下颌顶点的基本位置，然后从整个人脸中提取出裸脸、眉毛+眼睛、眼睛、鼻尖、嘴五种人脸部件；

2)对从训练集人脸中提取出来的裸脸、眉毛+眼睛、眼睛、鼻尖、嘴五种人脸部件，利用主分量分析方法中的特征脸方法，分别形成特征裸脸、特征(眼睛+眉毛)、特征眼睛、特征鼻子、特征嘴巴；

3)对已知人的人脸图像提取出的裸脸、眉毛+眼睛、眼睛、鼻尖、嘴五种人脸部件，利用主分量分析方法中的投影特征值分析方法，提取已知人脸的裸脸、眼睛+眉毛、眼睛、鼻子、嘴五种人脸部件的投影特征值；

4)对待识别人的人脸图像提取出的裸脸、眉毛+眼睛、眼睛、鼻尖、嘴五种人脸部件，利用主分量分析方法中的特征投影值分析方法，提取待识别人脸的裸脸、眼睛+眉毛、眼睛、鼻子、嘴巴的投影特征值；

5)分别计算已知人脸部件图像的投影特征值和待识别人脸对应部件图像的投影特征值之间的相似度；对裸脸、眼睛+眉毛、眼睛、鼻子、嘴巴的相似度融合得到多模式的全局人脸识别方法，单个裸脸、眼睛+眉毛、眼睛、鼻子、嘴的相似度识别，或裸脸、眼睛+眉毛、眼睛、鼻子、嘴相互之间的组合识别就是多模式的局部人脸识别方法。

Gabor方法：其主要特点是将Gabor基函数经过移位、旋转和比例变换以后得到的一组相似的Gabor函数，能够在保持空间关系的同时描述出图像中的频率结构，并能在空间域给出结果。在人脸识别的应用中，由于Gabor小波多分辨率、多方向地反映图像局部特性，所以对于光照的反应不敏感，和使用全局灰度特征进行识别相比较，对光照具有更好的适应性。

二维Gabor函数相当于一个被复正弦函数调制的二维高斯函数，在频域上则是二维高斯函数在两个频率轴上都发生了平移后的结果，是一个二维带通滤波器。由于每个Gabor滤波器相当于一个带通滤波器，为了提取人脸图像在多个方向多个尺度上的特征，通常会采用多个在不同尺度不同方向上的Gabor滤波器组成滤波器组。进行滤波时，将输入图像依次与滤波器组的各个滤波器卷积，并取其幅值作为输出，即输入图像的Gabor图像。

加权和规则：对于不同的特征，识别性别都不尽相同，加权和规则就是对不同的特征采用不同的权值进行融合。每个特征的权值是由该特征本身的特性(可分性，识别率等)所决定的，不同的融合特征对应不同的融合权值。对识别性能好的特征赋予较大的权值，而识别性能差的特征赋予较小的权值。

发明内容

本发明的目的是为了提高人脸识别算法的适应性，提出一种基于多部件多特征融合的人脸识别方法，该方法具有更高的人脸识别率。

本发明提出的基于多部件多特征融合的人脸识别方法，其特征在于，包括以下步骤：

1)对人脸图像进行五尺度八方向Gabor滤波，得到对应的人脸Gabor图像；

2)从人脸Gabor图像中提取出裸脸Gabor图像、眉毛+眼睛Gabor图像、眼睛Gabor图像、鼻尖Gabor图像、嘴巴Gabor图像五种部件Gabor图像；